如何用Pandas判断DataFrame列中列表是否包含指定值

嘿，这个需求我太熟了！完全可以用Pandas原生的操作搞定，不用写麻烦的循环或者推导式，给你两种靠谱的方案：

方案1：简洁直观的apply写法（类似你想要的原生API风格） #

这种写法最贴近你说的df.isin那种直观调用，代码简洁可读性强，适合中小数据集：

首先先构造你给出的示例DataFrame：

import pandas as pd

df = pd.DataFrame({
    'lists': [[], [1, 2], [1], [3, 4]]
})
x = 1  # 你要查找的值

然后直接用apply结合简单的判断：

contains_x = df['lists'].apply(lambda lst: x in lst)

运行后得到的结果就是你想要的布尔Series：

0    False
1     True
2     True
3    False
Name: lists, dtype: bool

方案2：高性能的原生操作链（无lambda，适合大数据集） #

如果你的数据集很大，上面的apply因为本质是逐行循环，性能可能不够。这时候可以用Pandas的explode+groupby组合，完全是原生向量化操作，效率更高：

contains_x = df['lists'].explode().eq(x).groupby(level=0).any()

原理解释：

1. explode()：把每个列表元素拆成单独的行，原索引保留
2. eq(x)：判断每个拆分后的元素是否等于目标值x，得到布尔值
3. groupby(level=0).any()：按原索引分组，只要组内有一个True，就返回True（表示原列表包含x）

这个方法完全没有用自定义循环或者lambda，纯Pandas原生操作，性能比apply好很多，尤其数据量大的时候优势明显。

内容的提问来源于stack exchange，提问作者Alex